(寶武集團上海梅山鋼鐵股份有限公司煉鐵廠，江蘇南京210039)

燒結(jié)工序是高爐進料前的一個重要環(huán)節(jié)，在鋼鐵生產(chǎn)中有著舉足輕重的地位[1]。我國90%以上生產(chǎn)精料是通過燒結(jié)的方式產(chǎn)生，燒結(jié)質(zhì)量是影響高爐安全平穩(wěn)生產(chǎn)的主要因素。而燒結(jié)質(zhì)量是通過準(zhǔn)確的終點控制來保證的。燒結(jié)終點一方面是權(quán)衡產(chǎn)量以及質(zhì)量的關(guān)鍵標(biāo)準(zhǔn)，另一方面可用于判斷燒結(jié)過程是否正常。合理控制燒結(jié)終點位置，不僅能提高燒結(jié)臺車有效使用面積，提高燒結(jié)礦質(zhì)量并增加產(chǎn)量，同時可節(jié)能減耗。燒結(jié)過程是一個具有多變量、大滯后、非線性、強耦合等特點的復(fù)雜過程，難以建立精確的數(shù)學(xué)模型對燒結(jié)終點進行準(zhǔn)確控制，常規(guī)的控制策略難以達到好的控制效果。周翠霞等[2]建立了燒結(jié)終點(burning through point，BTP)模型，但BTP模型需使用理想燒結(jié)終點附近的數(shù)據(jù)進行擬合，并基于此設(shè)計模糊控制器；丁園等[3]建立了基于二維區(qū)間自回歸預(yù)測模型，僅考慮了配碳量對燒結(jié)終點的影響，且模型較為復(fù)雜，實際應(yīng)用難度大；荊鍇等[4]建立了基于自適應(yīng)神經(jīng)模糊系統(tǒng)(adaptive network-based fuzzy inference system，ANFIS)神經(jīng)網(wǎng)絡(luò)的預(yù)測器，但影響燒結(jié)的因素較多，網(wǎng)絡(luò)輸入較難選擇。因此，對燒結(jié)過程開展研究，尤其是對燒結(jié)終點的預(yù)測控制開展研究具有理論價值和應(yīng)用價值[5]。

寶武集團梅山鋼鐵公司5#燒結(jié)機終點控制采用的是基于BTP預(yù)報模型的PID控制方式，難以滿足實際生產(chǎn)需要。BTP模型滯后且精度較低，ANFIS等神經(jīng)網(wǎng)絡(luò)預(yù)測器模型過于復(fù)雜。而volume預(yù)測模型能較準(zhǔn)確預(yù)測出終點位置，進而可對終點位置提前控制，可靠性高，滯后較小；同時，模糊控制因其優(yōu)良的控制性能被逐漸應(yīng)用于生產(chǎn)實際中。鑒于此，筆者以寶武集團梅山鋼鐵公司5#燒結(jié)機為研究對象，建立燒結(jié)volume預(yù)測模型，并設(shè)計燒結(jié)終點位置自適應(yīng)模糊控制器，以期解決燒結(jié)終點預(yù)測和控制問題。

1 燒結(jié)工藝流程

通常的煉鐵燒結(jié)生產(chǎn)工藝流程如圖1。分析圖1可知：燒結(jié)開始前將燒結(jié)原料如鐵礦粉、熔劑以及燃料等按合理配比混合，并添加一定比例的返礦量以改善透氣性[6]；此后，將配料與水按照一定比例進行一次和二次混合，混和均勻、制粒后將其送至料槽，經(jīng)布料器將配料均勻鋪在燒結(jié)機臺車平面；燒結(jié)機起始端配有點火裝置，點火后燒結(jié)料隨臺車不斷向排料口行駛，在臺車行駛的過程中，設(shè)在下部的風(fēng)箱不斷地向外強制抽風(fēng)，使燒結(jié)過程從點火位置開始由上而下不斷進行?；旌狭显谌剂先紵a(chǎn)生的大量熱量作用下，不斷地發(fā)生物理化學(xué)變化，被慢慢燒透，最終得到需要的燒結(jié)礦[7]。其中，燒透點就是通常所說的燒結(jié)終點[8]。

圖1 燒結(jié)生產(chǎn)工藝流程圖Fig.1 Flow chart of sintering process

2 燒結(jié)終點volume預(yù)測模型

2.1 Volume模型預(yù)報機理

實際燒結(jié)生產(chǎn)中，理想的燒結(jié)終點是倒數(shù)第二個風(fēng)箱的位置，此時的廢氣溫度最高。對于梅山鋼鐵公司5#燒結(jié)機，理想燒結(jié)終點位置在22號風(fēng)箱。對于相同排序的風(fēng)箱，燒結(jié)機兩側(cè)的溫度存在差別，致使基于溫度最高點及溫度上升點建立的傳統(tǒng)燒結(jié)終點預(yù)測模型會丟失部分信息[9]。文中實時采集燒結(jié)機兩側(cè)第12～23號風(fēng)箱間的多組溫度，且分別對其進行擬合，得到風(fēng)箱兩側(cè)的溫度曲線。根據(jù)這側(cè)溫度曲線建立基于體積的燒結(jié)終點預(yù)測模型。將兩條溫度曲線在三維坐標(biāo)系中繪制出，如圖2。圖中，兩條曲線分別是兩側(cè)風(fēng)箱溫度曲線，由于兩側(cè)溫度存在差別，兩側(cè)曲線不同，兩側(cè)最高溫度點也不同，即B1和B2；同時溫度上升點也不同，即S1和S2；陰影部分的體積為volume，包含兩側(cè)風(fēng)箱溫度更多的信息。

由圖2可看出，volume的大小隨燒結(jié)終點位置的變化而不斷發(fā)生變化，所以可通過計算volume的大小實現(xiàn)燒結(jié)終點位置的預(yù)測，從而進行參數(shù)調(diào)整實現(xiàn)燒結(jié)終點位置的提前控制[10]。為了確保燒結(jié)礦的品質(zhì)，需保證燒結(jié)終點位置的準(zhǔn)確預(yù)測和控制，使燒結(jié)礦在終點處剛好燒熟且不過燒。基于volume預(yù)測模型的控制方式是實時連續(xù)調(diào)整燒結(jié)機機速，使燒結(jié)機機速波動在允許范圍內(nèi)。因此，該控制方法能夠讓燒結(jié)過程更加平穩(wěn)進行，從而提高燒結(jié)產(chǎn)量以及產(chǎn)物品質(zhì)[11]。

圖2 Volume模型預(yù)報機理示意圖Fig.2 Schematic diagram of prediction mechanism of volume model

2.2 預(yù)報值的確定

對于梅山鋼鐵公司5#燒結(jié)機，南北兩側(cè)各23個風(fēng)箱，實際燒結(jié)過程中，1～11號風(fēng)箱兩側(cè)各1個溫度檢測點，12～23號風(fēng)箱兩側(cè)各3個溫度檢測點。12～23號風(fēng)箱的熱電偶分布如圖3。

圖3 風(fēng)箱廢氣溫度采集點分布Fig.3 Distribution of exhaust temperature collection points in bellows

采集燒結(jié)機兩側(cè)風(fēng)箱廢氣溫度，采用最小二乘法[12]對其進行擬合，擬合公式如式(1)。

其中：a0，a1，a2為需擬合參數(shù)；xk為風(fēng)箱位置；yk為廢氣溫度。

得到的燒結(jié)機兩側(cè)風(fēng)箱溫度曲線方程如式(2)。

梅山鋼鐵公司5#燒結(jié)機上升點溫度約250℃，燒結(jié)終點溫度約420℃。根據(jù)擬合方程(2)，分別對其進行求導(dǎo)，即：2aix+bi=0，便可求出上升點位置。

假定理想狀態(tài)下兩側(cè)風(fēng)箱溫度曲線相同，則有S1＝S2，B1＝B2。則理想volume值可由式(3)求得。

式中：L為臺車寬度；B為倒數(shù)第二個風(fēng)箱位置；S為溫度上升點位置；y為廢氣溫度；VP為理想volume值。擬合圖2中的上曲面，得到近似的曲面方程，如式(4)。

則體積計算如式(5)。

式中：A為曲面投影到x-y坐標(biāo)平面的面積；z為曲面方程。

3 燒結(jié)終點自適應(yīng)模糊控制系統(tǒng)的設(shè)計

在volume預(yù)報模型建立完成的基礎(chǔ)上，設(shè)計燒結(jié)終點自適應(yīng)模糊控制器。

3.1 控制器基本結(jié)構(gòu)

對于5#燒結(jié)機，理想的燒結(jié)終點應(yīng)在22號風(fēng)箱。控制器輸入為燒結(jié)工藝要求的終點值與實際終點預(yù)報值之間的誤差e及誤差變化率ec；通過模糊化得到模糊變量E與EC；經(jīng)過模糊推理得到模糊控制增量ΔU，解模糊得出實際控制增量Δu；輸出為臺車機速?；趘olume終點位置的模糊控制器基本結(jié)構(gòu)如圖4。實際燒結(jié)生產(chǎn)過程中，應(yīng)避免燒結(jié)機臺車速度頻繁改變或出現(xiàn)大的波動。因此，控制系統(tǒng)應(yīng)根據(jù)模糊決策表來判斷速度有無調(diào)節(jié)的必要，若需改變，速度在基準(zhǔn)值基礎(chǔ)上作相應(yīng)調(diào)整[13-14]。

圖4 燒結(jié)終點模糊控制器基本結(jié)構(gòu)Fig.4 Basic structure of sintering end point fuzzy controller

3.2 模糊控制規(guī)則設(shè)計

模糊控制器的控制規(guī)則是基于手動控制策略，將燒結(jié)過程中操作者在終點控制時遇到的情況及相應(yīng)策略通過模糊語句的形式進行描述，這些語句便構(gòu)成了燒結(jié)終點控制的模糊模型。將模糊控制器的輸入輸出分為7個模糊集：{負大、負中、負小、零、正小、正中、正大}，即 {NB，NM，NS，ZO，PS，PM，PB}，得到燒結(jié)終點模糊控制的控制規(guī)則，如表1。

表1 模糊控制規(guī)則表Tab.1 Fuzzy control rule table

3.3 自適應(yīng)模糊控制器的設(shè)計

對于上文采用的燒結(jié)終點模糊控制，若系統(tǒng)誤差較大，則首要任務(wù)為消除誤差，應(yīng)加大控制系統(tǒng)中誤差控制的加權(quán)；若系統(tǒng)誤差較小，則首要任務(wù)為促使系統(tǒng)盡快達到穩(wěn)定狀態(tài)，應(yīng)加大控制系統(tǒng)中誤差變化的加權(quán)。根據(jù)實際需要，采用引入加權(quán)因子的方法對模糊規(guī)則實現(xiàn)自調(diào)整。

若定義ΔU的生成規(guī)則為

引入加權(quán)因子，則系統(tǒng)的模糊控制規(guī)則變?yōu)?/p>

式中：?=1/3（μb-μa）||E+μa，0≤μa≤μb≤1,μ∈[μa,μb]。

若E，EC，ΔU論域選為：{E}={EC}={ΔU}={-N,…，-2，-1，0，1，2，…，N}，N為論域長度半數(shù)。則有

帶有自調(diào)整因子的控制規(guī)則較易在計算機上實現(xiàn)實時控制，不僅消除了由經(jīng)驗獲取控制規(guī)則的缺點，而且避免了跳變現(xiàn)象。

3.4 Volume值的求解

Volume求值程序流程如圖5。首先判斷是否需要計算volume值，若需要，則從PLC中讀取風(fēng)箱廢氣溫度數(shù)據(jù)，剔除其中的異常值。根據(jù)式(1)擬合出燒結(jié)機兩側(cè)風(fēng)箱溫度曲線方程，進而求取各上升點，再依據(jù)式(4)，(5)求出volume值。

圖5 Volume求值流程圖Fig.5 Volume evaluation program diagram

3.4 仿真研究

采集5#燒結(jié)機100組歷史風(fēng)箱位置及廢氣溫度數(shù)據(jù)，利用最小二乘進行離線辨識[12]，得到系統(tǒng)近似的差分方程，如

采用Matlab對設(shè)計的控制器進行仿真實驗，搭建燒結(jié)控制系統(tǒng)模型，將辨識出來的差分方程作為系統(tǒng)傳遞函數(shù)[13]。仿真的目標(biāo)為跟蹤設(shè)定值。分別采用PID控制與自適應(yīng)模糊控制進行仿真實驗，為模擬實際工況變化，對控制系統(tǒng)加入20%的擾動，如式(10)。仿真結(jié)果如圖6。

其中u(t)為控制量。

由圖6可以看出：當(dāng)控制量未加擾動，即0＜t＜1 100 s時，本文設(shè)計的自適應(yīng)模糊控制器響應(yīng)速度很快，且基本無超調(diào)，在t≈200 s時已達穩(wěn)定，而傳統(tǒng)PID控制調(diào)節(jié)時間很長，而且超調(diào)量很大，在t≈800 s時系統(tǒng)才能達到穩(wěn)定狀態(tài)；當(dāng)控制量加入擾動，即t＞1 100 s時，自適應(yīng)模糊控制器相比于PID控制，能夠更快地恢復(fù)穩(wěn)定。由此可知，自適應(yīng)模糊控制器不僅在快速性以及超調(diào)量等方面表現(xiàn)更優(yōu)，且具更強的魯棒性。

圖6 控制效果Fig.6 Control effect

4 實際應(yīng)用結(jié)果與分析

根據(jù)梅鋼5#燒結(jié)系統(tǒng)的實際應(yīng)用情況，需維持臺車速度波動小。設(shè)定基于volume預(yù)測模型的自適應(yīng)模糊控制系統(tǒng)的臺車速度調(diào)節(jié)范圍為1～2 m/min，輸出范圍為-0.5～+0.5 m/min，采樣周期為1 min，控制周期為7 min。實際運行過程中，系統(tǒng)在2個燒結(jié)周期內(nèi)就可穩(wěn)定燒結(jié)終點在設(shè)定范圍內(nèi)。系統(tǒng)投入運行后，煉鐵燒結(jié)的一級品率、終點波動率等指標(biāo)皆有改進，具體指標(biāo)如表2。

表2 指標(biāo)對比Tab.2 Comparison of indicators

由表2可看出：基于volume預(yù)測模型的自適應(yīng)模糊控制系統(tǒng)運行前后，燒結(jié)礦一級品率提高了7.37%，燒結(jié)礦產(chǎn)量也得以提高，意味著相同進料情況下，廢料數(shù)量減少，相應(yīng)地?zé)Y(jié)系統(tǒng)能耗降低；燒結(jié)終點波動率降低3.6%，表明燒結(jié)終點滯后情況減少，臺車使用壽命得到延長；轉(zhuǎn)鼓指數(shù)提高了5.06%，降低了高爐中燒結(jié)礦的粉塵，提高了高爐的透氣性，可為冶煉提供更好的條件；篩分指數(shù)降低了6.39%，即系統(tǒng)的揚塵減少，環(huán)境改善；此外看火智能化不僅可降低勞動強度，也可方便生產(chǎn)管理。由此可知，系統(tǒng)運行后，不僅提高了燒結(jié)礦的質(zhì)量和產(chǎn)量，且降低了燒結(jié)能耗。

5 結(jié) 論

基于燒結(jié)過程的滯后和時變性，針對傳統(tǒng)燒結(jié)終點預(yù)測模型會丟失燒結(jié)過程部分有效信息，難以達到滿意的控制效果，設(shè)計基于volume的燒結(jié)終點自適應(yīng)模糊控制器，仿真驗證與實際應(yīng)用結(jié)果表明：

1)通過燒結(jié)機臺車兩側(cè)風(fēng)箱廢氣溫度擬合出的兩條曲線圍成的體積包含整個燒結(jié)過程的熱狀態(tài)，從而得到燒結(jié)終點較為準(zhǔn)確的volume預(yù)報模型，和以往其他方法建立的模型相比，該模型不丟失有用信息，能更準(zhǔn)確地預(yù)測出真實的終點位置；

2)在傳統(tǒng)模糊控制中引入加權(quán)因子實現(xiàn)對模糊規(guī)則自調(diào)整，對燒結(jié)終點的控制效果改善明顯，系統(tǒng)具更好的魯棒性；

3)運行基于volume預(yù)測模型建立的模糊控制系統(tǒng)，不僅提高了燒結(jié)礦的質(zhì)量和產(chǎn)量，而且降低了燒結(jié)系統(tǒng)能耗。